Cara Mengevaluasi Kualitas Data Sekunder yang akan Diimplementasikan untuk Penelitian

Data sekunder dapat diimplementasikan pada penelitian sebagai data tambahan untuk tujuan referensi atau perbandingan. Pengertian dari data sekunder sendiri merupakan data yang telah dikumpulkan dan digunakan oleh seseorang kemudian digunakan kembali oleh orang lain dengan tujuan berbeda atau penelitian lanjutan yang masih berkaitan dengan penelitian sebelumnya. Data sekunder digunakan karena sulitnya mendapatkan data primer seperti responden sensitif yang sulit ditemui atau diwawancarai. Data sekunder lebih mudah ditemukan daripada data primer karena sumber data sekunder sudah tersedia baik secara online maupun offline, seperti buku, majalah, koran, website, blog, podcast, dan lain sebagainya.

Walaupun mudah ditemukan, data sekunder tidak bisa langsung digunakan karena ada quality control yang harus diperhatikan karena kita tidak tahu variabel bebas apa yang mempengaruhi pengambilan data sebelumnya. Selain itu, kita juga harus memeriksa apakah sumber data sekunder ini kredibel atau tidak karena kredibilitas sumber data akan mempengaruhi hasil penelitian. Oleh karena itu, sebelum menggunakan data sekunder kita harus mengevaluasi bagaimana kualitas data yang kita dapatkan. Pada artikel kali ini kita akan membahas beberapa hal pada data sekunder yang perlu dievaluasi untuk menilai bagaimana kualitas data sebelum diimplementasikan pada suatu penelitian. Jadi tunggu apa lagi? Yuk simak artikel ini sampai akhir!

1. Memeriksa Relevansi Data

Hal pertama yang harus kita perhatikan untuk memeriksa kualitas data sekunder yang akan kita gunakan untuk penelitian adalah relevansi data tersebut untuk penelitian kita. Tujuan dari identifikasi relevansi ini adalah untuk mem-matching-kan data yang kita miliki dengan tujuan penelitian yang akan kita capai. Selain itu, kita juga harus memperhatikan apakah populasi yang digunakan dalam data sekunder sama dengan populasi yang akan dituju dalam penelitian kita. Hal ini akan mempengaruhi output dan informasi mengenai objek penelitian. Jika memang data yang kita dapatkan kurang relevan, ada baiknya kita tidak memaksakan menggunakan data tersebut karena akan berpengaruh pada konsistensi penelitian.

Baca juga : Teknik Pengumpulan Data Sekunder, Apa Saja Sumber Data yang Bisa Digunakan?

2. Memeriksa Cakupan Data

Cakupan data merupakan faktor kedua yang harus diperhatikan sebelum menggunakan data sekunder. Karena tidak diambil secara langsung, maka kita perlu memastikan bahwa setiap variabel yang kita butuhkan ada dalam data tersebut. Selain itu, jika memang menggunakan dua data sekunder yang berbeda, kita harus mempertimbangkan waktu pengambilan kedua data tersebut. Jika dua data tersebut diambil pada tahun yang berbeda, kemungkinan besar hasil penelitian kurang akurat karena ada gap antara kedua data. 

3. Memeriksa Validitas dan Reliabilitas Data

Faktor terpenting dalam menilai kualitas data sekunder adalah melihat apakah data tersebut valid dan reliabel. Maksudnya, data sekunder tersebut harus mewakili objek yang akan diukur dan seberapa lengkap dan akurat datanya. Kita juga harus mengidentifikasi apakah data tersebut sudah diubah atau dimanipulasi dengan cara tertentu untuk tujuan lain. Konsekuensi dari menggunakan data sekunder adalah kita harus benar-benar memeriksa apakah data tersebut diperoleh dari sumber asli.

4. Contoh Sumber Data Sekunder

Data sekunder dapat diperoleh dari berbagai sumber. Beberapa contoh sumber data sekunder yang dapat kita manfaatkan untuk memperoleh data sekunder adalah buku, koran, jurnal, catatan pemerintah, dan lain sebagainya. Namun, dalam mencari data tersebut, kita harus mempertimbangkan faktor faktual yang ada dalam sumber tersebut. Perlu ada double checking sebelum menggunakan data sekunder terutama saat mengumpulkan data melalui koran atau majalah.

Baca juga : Metode Pengumpulan Data Sekunder, Bisa Menggunakan Apa Saja Sih?

5. Belajar Analisis Data Sekunder

Saat ini ada berbagai metode yang bisa digunakan untuk mengolah data sekunder. Jika data yang kita gunakan bervolume dan berukuran besar, maka kita perlu menggunakan tools khusus yang powerfull agar proses analisis data lebih efektif. Tools yang banyak digunakan oleh analis data untuk mengolah data berukuran besar adalah R dan Python. Bahasa pemrograman ini banyak digunakan karena bersifat open source, memiliki berbagai fitur analisis data, dan dapat digunakan untuk berbagai tujuan. Yuk mulai belajar R dan Python bersama DQLab! Klik button di bawah ini untuk mengakses berbagai modul DQLab dan nikmati berbagai fitur pendukung belajar lainnya.

Penulis: Galuh Nurvinda K

Editor: Annissa Widya Davita